Kaj točno je umetna inteligenca?

Predstavljajte si, da otroka učite, kako prepoznati mačko. Pokažete mu več slik mačk in vsakič poveste, da je to mačka. Počasi se otrok nauči prepoznavati mačke v različnih oblikah – torej ne bo vedel le, da je specifična slika, ki ste mu jo pokazali, mačka, ampak bo znal prepoznati tudi, ali je mačka na sliki, ki jo prvič vidi. Umetna inteligenca deluje na podoben način. Gre za tehnologijo, ki se uči na podlagi primerov in izkušenj, tako kot človeška bitja, a se to dogaja v veliko večjih razsežnostih in z veliko večjo hitrostjo. 

Načelo največje verjetnosti

Za razliko od kalkulatorja, ki da vedno točne odgovore, se UI zanaša na verjetnosti. Glede na podatke, ki jih je videl pred tem, naredi najboljšo, najverjetnejšo napoved. Če je umetna inteligenca na primer videla nekaj tisoč slik različnih mačk, potem pa ji pokažemo novo sliko mačke, bo lahko rekla, da je 90-odstotno prepričana, da je na sliki mačka. Probablistična narava umetne inteligence torej pomeni, da ni nikoli 100-odstotno prepričana v svoje odgovore – podobno kot ljudje. 

Zakaj se UI pogosto moti?

Umetna inteligenca pretežno temelji na podatkih, na podlagi katerih je bila trenirana. Če so podatki omejeni ali pristranski, je razumevanje in delanje odločitev umetne inteligence lahko pomanjkljivo. Če na primer otroku – ali umetni inteligenci – kažemo le mačke črne barve, precej verjetno ne bo razumel, da je bela mačka prav tako mačka. 

V svoji osnovi je torej UI orodje, ki v vhodnih podatkih najde vzorce in na njihovi podlagi najde najbolj verjetne odgovore. S tem je neverjetno močno orodje, ki pa ni popolno. Samo če razumemo osnove, lahko sklepamo tako o zmožnostih kot o omejitvah te vzhajajoče tehnologije.